Token消費を120倍削減？Codebase-Memory-MCPが変えるAIコーディングのコスト構造

GitHubで話題のCodebase-Memory-MCPは、単一バイナリでコードベース全体を知識グラフに変換するツールだ。論文評価ではToken消費が約10倍削減、ツール呼び出し回数が2.1倍削減されるとされる。話題になっているREADMEの『120倍』という数字は、5つの構造クエリに関するマイクロベンチマークで約3400トークンが約412,000トークンを代替したという特定条件下の数値であり、すべてのタスクに一律で当てはまるわけではないと釘を刺す。

類似プロジェクトのCodeGraphはGitHubスター数（57.3k対25.5k）で上回るものの、最近はCodebase-Memory-MCPへの注目度が急速に高まっている。両者はTree-sitterでASTを解析しSQLiteに保存しMCPインターフェースを提供する点は共通だが、性能・デプロイ形態を重視する路線と、Agentワークフロー・エコシステム拡張を重視する路線とで異なる方向に進んでいる。

現状のCursorやClaude Codeは、コードベースを理解するためgrepやファイル読み込みを繰り返す『手探り』状態にあり、1つの関数呼び出しを探すのに十数個のファイルを行き来して数十万トークンを消費してしまう。CodeGraphは工学的な解析ルールとフレームワーク対応（ルーティング識別、動的ディスパッチなど）を重視する実用的な路線だが、新しいフレームワークや言語仕様が増えるたびにルール保守コストが増大する。

一方Codebase-Memory-MCPは、外部のLanguage Serverに依存せず、C言語で軽量なシンボル・型解析を自前実装しており、Python・TypeScript・Go・Javaなど複数言語ファミリーの呼び出し・インポート・継承関係を認識できる。これにより『このインターフェースは誰が呼んでいるか』という問いに対し、シンボルレベル・ファイルレベル・行番号レベルの正確な回答を返せるようになり、情報密度が上がりノイズが減る。

CodeGraphは知識グラフをローカルキャッシュとして扱い、開発者ごとにローカルでインデックスを再計算する必要がある。対してCodebase-Memory-MCPは知識グラフを『コード資産』として扱い、zstd圧縮したスナップショット(graph.db.zst、圧縮率約8〜13倍)を直接Gitリポジトリにコミットできる設計を採用した。新メンバーがコードをプルすれば、数時間の再インデックスを待たずにスナップショットを読み込むだけでプロジェクト全体の記憶を即座に得られる。

大規模言語モデル自体の推論コストが既にボトルネックとなっている今、周辺インフラの軽量化・高効率化は必須条件になりつつあり、C/C++やRustによる書き換えが今後標準になっていくと予測されている。将来的には`package.json`や`requirements.txt`のように、リポジトリに`.graph.db`のような標準化された知識グラフファイルが当たり前に存在するようになるとも述べられている。